导读:本文包含了多小波包论文开题报告文献综述及选题提纲参考文献,主要关键词:振动与波,复合故障,多小波包,排列熵
多小波包论文文献综述
马本栋,胡书举,孟岩峰,宋斌,吴涛[1](2018)在《基于多小波包-能量算子解调的滚动轴承复合故障诊断》一文中研究指出针对滚动轴承单通道振动信号的复合故障识别易出现漏诊、误诊的问题,提出多小波包与能量算子解调相结合的方法。该方法首先利用多小波包变换在全频率范围内分解原始信号;其次将排列熵作为多小波的单支信号特征的评价标准,分别重构符合标准的单支信号,实现信号的降噪及复合故障分离;最后采用能量算子解调方法解决信号的调制问题,完成故障信息的识别。滚动轴承内、外圈故障信号分析结果证明该方法的有效性。(本文来源于《噪声与振动控制》期刊2018年04期)
邓飞跃,唐贵基[2](2017)在《基于多小波包排列熵和流形学习的故障特征提取方法》一文中研究指出针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。(本文来源于《石家庄铁道大学学报(自然科学版)》期刊2017年02期)
王唯嘉,肖明清,张磊,陈茂才[3](2015)在《多小波包框架下EMD-CIIT去噪方法研究》一文中研究指出传统经验模态分解(EMD)去噪方法和改进的去噪方法都是在EMD分解基础之上进行的,没有对信号在频带上进行更充分的分解与去噪。为了获得更高的信噪比,首先对带噪信号进行多小波包分解。对小波系数进行阈值去噪后,在小波框架下将EMD区间迭代不变阈值分解(EMD-CIIT)去噪方法直接作用于小波系数上。最后重构经过EMD-CIIT处理后的小波系数。通过仿真验证了算法的可行性与有效性。结果表明小波包与多小波包框架下的EMD-CIIT去噪效果优于传统EMD-CIIT去噪方法。在多数情况下小波包框架下的EMD-CIIT去噪算法优于多小波包框架下的EMD-CIIT去噪算法。(本文来源于《计算机仿真》期刊2015年12期)
廖强,李迅波,陈勇强[4](2015)在《自适应冗余提升多小波包在滚动轴承复合故障诊断中的应用》一文中研究指出针对多小波具有多个小波函数和尺度函数的特性,在滚动轴承复合故障诊断过程中可以很好地匹配多个故障特征,具备了一次性提取复合故障特征的能力。提出了基于提升框架的多小波包算法。以信号残差最小值为优化目标,对提升小波的预测算子和更新算子进行优化,使得提升小波基能够自适应与观测信号相匹配。通过对输出信号进行后处理,能够将多个故障呈现在不同的通道中,实现复合故障的一次性提取。对滚动轴承包含有内圈和滚动体的复合故障振动信号进行分析,结果表明该方法是有效的。(本文来源于《机械设计与制造》期刊2015年06期)
何伏春,聂建英[5](2015)在《基于多小波包的红外/被动毫米波图像融合》一文中研究指出红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向。红外探测系统在低能见度条件下穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像。为了更好地识别目标,提出一种新方法,首先采用多小波包与邻域平均相结合的去噪方法对IR/PMMW图像进行去噪处理;然后利用多小波包方法获取多张相似的IR/PMMW图像,再将它们进行主成分融合并进行精确的直方图规定化;最后,根据被动毫米波图像的特殊性,提出基于区域的图像质量评价方法。实验仿真结果表明,利用新方法处理图像,提高了图像的清晰度,更容易识别出目标信息。(本文来源于《电光与控制》期刊2015年06期)
张建宇,张随征,管磊,杨洋[6](2015)在《基于多小波包样本熵的轴承损伤程度识别方法》一文中研究指出为了自动辨识不同尺度下的轴承故障,建立了一种基于多小波包系数样本熵和BP神经网络的模式判别方法。针对5种尺度下的轴承外圈故障信号,分别采用GHM多小波包完成叁层分解。为了充分利用多小波包的分析优势,将分解后的16个频段信号分别求系数样本熵,并将其作为神经网络的输入向量。通过叁层BP神经网络的训练、学习,并与dB10小波包神经网络做了对比研究。结果表明,多小波包样本熵可以区别不同损伤程度的故障信号,且多小波包样本熵与神经网络结合,其辨识精度更高,分类效果明显优于传统单小波,便于轴承损伤程度的自动识别。(本文来源于《振动.测试与诊断》期刊2015年01期)
王海江,王周龙,李丽宏,马永强[7](2015)在《基于高平衡阶多进制多小波包变换的遥感影像融合》一文中研究指出为克服遥感影像融合中采用的小波变换存在的缺陷,构建了高平衡阶多进制多小波包变换及其影像融合方法。首先分析了现有小波变换方法的优劣特点以及不同小波变换间的关系,阐述了理论上性能更具优势的高平衡阶多进制多小波包变换的理论基础与快速算法;进而构建了基于该变换方法的影像融合方法,最后将该融合方法应用于资源一号等卫星影像多光谱数据与全色波段的融合试验中,分析论证了该方法在实际应用中的性能特点。结果表明:平衡阶与进制的适量增高能够使基于小波变换的影像融合方法获得更优的融合质量,在采用简单融合规则情况下相对平均光谱误差与全局相对综合误差较传统方法均可降低3%以上,与传统方法相比,该方法算法较复杂,但无显着差别。该方法适用于遥感影像融合等领域。(本文来源于《农业工程学报》期刊2015年01期)
瞿金秀,张周锁,何正嘉[8](2013)在《基于多小波包和邻域粗糙集的故障诊断模型》一文中研究指出为了解决机械设备复合故障难以正确识别的问题,提出一种基于多小波包和邻域粗糙集的机械故障诊断模型。首先,采用多小波包对原始振动信号进行分解,分别提取原始信号和各分解频带信号的时域特征组成原始特征;然后,采用邻域粗糙集方法筛选出敏感特征作为多分类支持向量机的输入,实现机械设备不同状态的自动识别。模型应用结果表明相比于传统小波包,多小波包分解够提取到更丰富的故障信息和获得较高的识别精度;邻域粗糙集能够从大量的原始特征中选择出敏感特征,减小分类算法的复杂性,进一步提高分类准确率。该模型在复合故障的诊断方面具有显着优势。(本文来源于《振动.测试与诊断》期刊2013年S1期)
陈敬龙,张来斌,杨霖[9](2013)在《冗余提升多小波包的构造及其应用》一文中研究指出针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。(本文来源于《中国石油大学学报(自然科学版)》期刊2013年01期)
朱玉清,卫艳荣,程正兴[10](2012)在《具有整数伸缩因子的多变量向量值双正交多小波包》一文中研究指出研究多变量向量值双正交多小波包的构造与性质.引进了向量值多分辨分析与多变量值双正交多重小波的概念.给出多变量多重向量值双正交小波包的定义及其迭代方法.运用积分变换与有限群理论,讨论了多变量多重向量值双正交小波包的性质,得到了多变量多重向量值双正交小波包的双正交公式,进而给出多变量向量值函数空间L2(Rs,Cn)的一个新的基底.(本文来源于《郑州大学学报(理学版)》期刊2012年03期)
多小波包论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多小波包论文参考文献
[1].马本栋,胡书举,孟岩峰,宋斌,吴涛.基于多小波包-能量算子解调的滚动轴承复合故障诊断[J].噪声与振动控制.2018
[2].邓飞跃,唐贵基.基于多小波包排列熵和流形学习的故障特征提取方法[J].石家庄铁道大学学报(自然科学版).2017
[3].王唯嘉,肖明清,张磊,陈茂才.多小波包框架下EMD-CIIT去噪方法研究[J].计算机仿真.2015
[4].廖强,李迅波,陈勇强.自适应冗余提升多小波包在滚动轴承复合故障诊断中的应用[J].机械设计与制造.2015
[5].何伏春,聂建英.基于多小波包的红外/被动毫米波图像融合[J].电光与控制.2015
[6].张建宇,张随征,管磊,杨洋.基于多小波包样本熵的轴承损伤程度识别方法[J].振动.测试与诊断.2015
[7].王海江,王周龙,李丽宏,马永强.基于高平衡阶多进制多小波包变换的遥感影像融合[J].农业工程学报.2015
[8].瞿金秀,张周锁,何正嘉.基于多小波包和邻域粗糙集的故障诊断模型[J].振动.测试与诊断.2013
[9].陈敬龙,张来斌,杨霖.冗余提升多小波包的构造及其应用[J].中国石油大学学报(自然科学版).2013
[10].朱玉清,卫艳荣,程正兴.具有整数伸缩因子的多变量向量值双正交多小波包[J].郑州大学学报(理学版).2012